融合多尺度特征和子空间注意力的黏膜下肿瘤检测

计算机辅助检测工具可以帮助医生减少在临床检查中漏检误检的情况，从而提高诊断准确度，同时减轻医生的劳动强度。针对超声胃肠镜检查中黏膜下肿瘤的定位与分类问题，提出了一种融合多尺度特征和子空间注意力的黏膜下肿瘤检测算法(MFSA-YOLOv7t)。首先，移除小目标预测头，在保证精度下使网络轻量化；然后，基于浅层特征提出多尺度特征融合模块，提取肿瘤细节信息；其次，改进上采样结构，在保留上层信息的同时增强感受野；最后，引入子空间位置注意力模块，捕获肿瘤的位置和边界特征，进一步提升黏膜下肿瘤的检测性能。实验表明，MFSA-YOLOv7t在平均精度均值、敏感度以及准确度上分别达到97.32%，96.99%和96.24%，相比YOLOv7-tiny算法检测性能有较大的提升，分别提高了2.39%，2.75%和2.59%。MFSA-YOLOv7t为医生在临床检查中的辅助诊断提供更加可靠的肿瘤类型参考，同时为黏膜下肿瘤的检测提供了一个新的思路和研究方向。     

传统基础设施的数字化转型研究以农业和工业为例

以农业和工业领域为例，研究了新兴基础设置建设中的传统基础设施数字化。利用用文献调研法，从网络和文献数据库这两个来源搜集相关政策文件，分析了我国基础设施数字化发展现状和近年国家出台的相关政策内容，讨论了农业和工业领域国内外传统基础设施数字化的实践成果。通过政策分析和国内外比较分析，针对农业和工业这两个领域的传统基础设施数字化转型提出了政策建议。     

基于情感分类的文本主题挖掘

互联网的电商中存在着大量的评论信息，这些带有主观情感色彩的评论信息不仅反应了客户对产品的满意程度，而且暗含了市场产品的流行趋势。针对评论信息中所蕴涵的相关主题词，提出了将文本分类和主题词挖掘相结合的方法。该方法首先使用SVM对情感进行分类，再通过 LDA 模型进行建模对分类后的评论信息挖掘主题词。真实数据集上的实验结果验证了本文方法的有效性，获得了良好的分类结果，能够准确地挖掘出主题词。
     

联合稀疏和低秩表示的医学超声图像去噪

为了保持超声图像的边缘和细节特征，同时去除图像中的噪声，提出了一种改进的低秩稀疏矩阵分解模型。首先，通过对数变换将乘性性质的斑点噪声转换为加性噪声；然后引入L1范数和改进的低秩正则项，以最小化保真项、正则项为目标函数，迭代恢复出去噪后的超声图像；最后使用指数变换从对数域中还原。将本模型应用于肿瘤超声图像，与一些经典的去噪算法进行比较，得出该模型对消化道粘膜下肿瘤超声图像去噪估计具有良好的适用性和实时性。